一种基于像素清晰度的NSCT域多聚焦图像融合方法

基于NSCT的自适应多聚焦图像融合算法施文娟【期刊名称】《微型机与应用》【年(卷),期】2012(031)019【摘要】针对非降采样轮廓波变换（NSCT）具有多尺度、方向性和平移不变性等特点，为改善融合后图像模糊现象，提出了一种基于区域特性的非降采样轮廓波变换的多聚焦图像融合算法。

该算法结合NSCT的特点，将图像进行NSCT，变换为不同方向的各子带信息；然后基于局部均值和局部方差选择低频子带系数，并在带通方向子带中引用局部方向对比度作为测量算子来选择带通方向子带系数；最后，通过反变换得到融合图像。

实验结果表明，本算法融合效果优于传统的加权平均、小波变换及NSCT算法。

%For the nonsubsampled contourlet transform (NSCT)has features of flexible multi-scale, multi-direction and shiftinvariance, to solve the fuzzy phenomenon of fusion images, an adaptive multi-focus image fusion algorithm is proposed based on NSCT and regional feature. It effectively combines characteristics of NSCT, after NSCT, images change into subband information of different direction. The lowpass subband coefficients is selected based on the local energy and local variance. The bandpass directional subbands coefficients is selectedby introducing the local directonal contrast as measuring operator. At last, fusion image is obtained through inverse transform. Experimental results indicate that this algorithm performs better than the traditional methods based on weighted average, the wavelet transform and NSCT.【总页数】3页(P45-47)【作者】施文娟【作者单位】盐城师范学院物理科学与电子技术学院,江苏盐城224002【正文语种】中文【中图分类】TN941【相关文献】1.基于NSCT和边缘能量的PCNN多聚焦图像融合算法 [J], 杨波2.基于NSCT与自适应PCNN的多聚焦图像融合方法 [J], 任风华;符强;纪元法3.基于局部目标特征提取和NSCT变换的多聚焦图像融合算法 [J], 贺养慧4.基于NSCT自适应红外与可见光融合算法 [J], 罗文5.一种基于清晰度计算的NSCT域多聚焦图像融合算法 [J], 米德伶;冯鹏;魏彪;郑小林因版权原因，仅展示原文概要，查看原文内容请购买。

像素级多聚焦图像融合算法研究
在变换域方面,提出了两种基于Q-Shif双树复数小波变换(Q-Shif DT-CWT)的融合算法。

针对低频系数和高频系数的不同特点,算法一分别采用邻域梯度取大(NGMS)和模值取大(MVMS)融合准则进行系数融合。

在算法一的基础上,算法二采用合成图像模值取大(SI-MVMS)准则对高频系数进行融合。

两种融合算法提高了系数选取的准确性,其中算法二融合图像质量更高。

在空间域方面,提出了基于非下采样Contourlet变换(NSCT)的空间域融合算法。

该算法采用NSCT提取源图像细节信息,通过合成图像绝对值取大(SI-AVMS)准则得到融合决策图来“指导”源图像中像素点的选取。

算法利用NSCT良好的细节表现力,克服了传统空间域融合算法在细节表现力上的不足。

由于不存在反变换,避免了对源图像信息的破坏。

在彩色多聚焦图像融合方面,提出了基于NSCT的空间域彩色多聚焦图像融合算法。

该算法根据亮度分量的融合情况“指导”源彩色图像的三个分量中像素点的选取,其中亮度分量采用基于NSCT的空间域融合算法进行融合。

该算法避免了传统融合算法容易出现的颜色失真和模糊现象。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811185806.7(22)申请日 2018.10.11(71)申请人 南昌航空大学地址 330000 江西省南昌市丰和南大道696号(72)发明人 鄢慧斌　李忠民　(74)专利代理机构 南昌洪达专利事务所 36111代理人 刘凌峰(51)Int.Cl.G06T 5/50(2006.01)G06T 5/20(2006.01)(54)发明名称一种多聚焦图像融合方法(57)摘要本发明公开了一种多聚焦图像融合方法，包括以下步骤，步骤1、得到初始置信图P：首先求出源图像A、B各个像素的空间频率，然后比较对应位置空间频率的大小，值较大的对应位置置1，值较小的对应位置置0，最后得到0-1图即初始置信图P；步骤2、对初始置信图P细化得到最终置信图T：对初始置信图P进行中值滤波细化，然后采用小物体移除措施对其进一步细化得到最终置信图T；步骤3、得到融合图像F：最终的融合图像F由最终置信图T和源图像A、B加权求和得到。

本发明能够对未配准不敏感及能有效处理聚焦和非聚焦之间边界效应问题。

权利要求书1页 说明书3页 附图1页CN 109523494 A 2019.03.26C N 109523494A1.一种多聚焦图像融合方法，其特征在于：包括以下步骤，步骤1、得到初始置信图P：首先求出源图像A、B各个像素的空间频率，然后比较对应位置空间频率的大小，值较大的对应位置置1，值较小的对应位置置0，最后得到0-1图即初始置信图P；步骤2、对初始置信图P细化得到最终置信图T：对初始置信图P进行中值滤波细化，然后采用小物体移除措施对其进一步细化得到最终置信图T；步骤3、得到融合图像F：最终的融合图像F由最终置信图T和源图像A、B加权求和得到。

权　利　要　求　书1/1页CN 109523494 A一种多聚焦图像融合方法技术领域[0001]本发明涉及图像融合技术领域，具体涉及一种多聚焦图像融合方法。

一种NSCT域多聚焦图像融合新方法杨勇;童松;黄淑英;方志军;杨寿渊【摘要】针对多聚焦图像融合存在的问题,提出一种基于非下采样Contourlet变换(NSCT)的多聚焦图像融合新方法.首先,采用NSCT对多聚焦图像进行分解;然后,对低频系数采用基于改进拉普拉斯能量和(SML)的视觉特征对比度进行融合,对高频系数采用基于二维Log-Gabor能量进行融合;最后,对得到的融合系数进行重构得到融合图像.实验结果表明,无论是运用视觉的主观评价,还是基于互信息、边缘信息保留值等客观评价标准,该文所提方法都优于传统的离散小波变换、平移不变离散小波变换、NSCT等融合方法.【期刊名称】《图学学报》【年(卷),期】2014(035)006【总页数】10页(P854-863)【关键词】多聚焦图像融合;非下采样Contourlet变换;Log-Gabor能量;改进拉普拉斯能量和【作者】杨勇;童松;黄淑英;方志军;杨寿渊【作者单位】江西财经大学信息管理学院,江西南昌330032;江西省数字媒体重点实验室,江西南昌330032;江西财经大学信息管理学院,江西南昌330032;江西省数字媒体重点实验室,江西南昌330032;江西财经大学软件与通信工程学院,江西南昌330032;江西财经大学信息管理学院,江西南昌330032;江西省数字媒体重点实验室,江西南昌330032;江西财经大学信息管理学院,江西南昌330032;江西省数字媒体重点实验室,江西南昌330032【正文语种】中文【中图分类】TP391.41图像融合是图像处理领域的一个重要分支，它的思想是综合利用不同图像传感器或同一传感器在不同时间或方式得到的多幅图像合成一幅满足某种需求或蕴含更多有价值信息的新图像，使得对目标或场景的描述更加准确、全面。

目前，图像融合技术已被广泛应用于遥感[1]、医学诊断[2]、计算机视觉[3]等领域。

在照相机及光学显微镜等设备中，由于光学镜片聚焦范围有限，要得到场景中所有目标都清晰的成像是很困难的，往往某个场景的成像是一部分聚焦(表现为清晰)，一部分离焦(表现为模糊)[4]。

基于NSCT的图像融合方法研究基于NSCT的图像融合方法研究摘要：图像融合是计算机视觉领域中的一个重要研究方向，其目标是将多幅具有不同信息的图像融合在一起，以获得具有更多信息和更好质量的合成图像。

近年来，随着小波变换等多尺度分析方法的发展，基于非凡赫赫变换（NSCT）的图像融合方法逐渐成为研究热点。

本文将对基于NSCT的图像融合方法进行深入研究，介绍其基本原理和关键技术，并通过实验验证其有效性。

1. 引言图像融合是多幅图像合成为一幅整体更具信息量和视觉质量的图像的过程。

在许多领域中，如军事、医学、遥感等，图像融合技术被广泛应用。

传统的图像融合方法主要包括像素级融合和变换域融合。

近年来，随着小波变换等多尺度分析方法的发展，基于NSCT的图像融合方法逐渐受到研究者的关注。

2. NSCT基本原理非凡赫赫变换（NSCT）是一种多尺度、多方向和非定常分析的方法，具有更好的时间频率局部性和可分离性。

NSCT是对图像进行多分辨率分解和多方向滤波的过程，其基本原理是将图像分解为多个尺度和方向的子带图像，得到图像的低频和高频信息。

3. NSCT图像融合方法基于NSCT的图像融合方法主要包括分解、融合和重构三个步骤。

首先，将待融合的图像分别进行NSCT分解，得到各自的低频和高频子带图像。

然后，通过选择合适的融合规则和权重，对高频子带图像进行融合，得到融合后的高频子带图像。

最后，将融合后的高频子带图像与低频子带图像进行重构，得到最终的融合图像。

4. NSCT图像融合算法改进为了进一步提高基于NSCT的图像融合方法的性能，研究者们提出了一系列的改进算法。

其中，包括加权融合算法、阈值融合算法和选择性保留算法等。

这些改进算法主要通过调整融合规则和权重，改善融合效果，并增强融合图像的目标信息和细节信息。

5. 实验结果与分析为了验证基于NSCT的图像融合方法的有效性，我们进行了一系列的实验，并对比了不同算法的融合效果。

实验结果表明，基于NSCT的图像融合方法相较于传统的融合方法，能够更好地保留融合图像的目标信息和细节信息，具有更好的视觉效果和主观质量。

一种基于NSCT和像素相关性的图像融合算法程俊兵;杨静【期刊名称】《科学技术与工程》【年(卷),期】2013(013)009【摘要】由于小波变换在处理二维图像融合中存在缺陷,提出一种更优越的基于NSCT变换的图像融合算法,分别介绍了低频系数和高频系数融合规则.低频系数融合用基于能量方差决策值最大法,可以有效提高图像融合质量；高频系数融合规则用区域对比度与区域能量相结合的方法,可以减少噪声干扰.得到低频和高频融合系数后,通过NSCT反变换重构图像,得到融合图像.最后选用4种常用的图像融合方法与此文算法进行对比仿真实验.通过主观观察和客观指标的比较,充分证明此文融合算法的优越性.%Considering this disadvantage of wavelet transform and its application in image fusion, a novel algorithm of image fusion was preposed based on nonsubsampled contourlet transform (NSCT). low-frequency and high-frequency coefficients of fusion rules are introduced respectively. The low-frequency coefficients use an fusion rule based on local energy and variance. The rule can effectively improve the fused image. The high-frequency coefficients use an fusion rule based on the combinations of local energy and contrast. The rule can reduce noise disturbance. The fused the low-frequency and high-frequency coefficients are reconstructed to obtain fusion image through NSCT inverse transform. Four kinds of common image fusion algorithms are compared with this algorithm by computer simulation. Objective indicators and the subjectivevisual impression show that this algorithm is more effective and superior than the four common algorithms.【总页数】5页(P2407-2411)【作者】程俊兵;杨静【作者单位】太原理工大学信息工程学院,太原030024【正文语种】中文【中图分类】TP391.41【相关文献】1.一种基于像素清晰度的NSCT域多聚焦图像融合方法 [J], 时海亮;黄海洋;李刚2.一种基于NSCT和PCNN的图像融合算法 [J], 石瀚洋;杨静;赵焱3.一种基于WT和NSCT变换的复合医学图像融合算法 [J], 陈林;高长花4.一种基于NSCT与GoogLeNet的多传感器图像融合算法 [J], 李阳雨;王彩云;姚晨5.一种基于清晰度计算的NSCT域多聚焦图像融合算法 [J], 米德伶;冯鹏;魏彪;郑小林因版权原因，仅展示原文概要，查看原文内容请购买。

基于NSST的SPCNN多聚焦图像融合算法研究基于NSST的SPCNN多聚焦图像融合算法研究随着科学技术的快速发展，数字图像处理领域得到了广泛的应用和关注。

在实际应用中，多聚焦图像融合技术是一项重要的任务，它能够将多幅聚焦图像融合为一幅全局清晰的图像，提高图像的质量和细节丰富性。

相比于传统的多聚焦图像融合算法，基于NSST的SPCNN多聚焦图像融合算法是一种较为先进和有效的方法。

本文就基于NSST的SPCNN多聚焦图像融合算法进行了详细的研究和分析。

首先，我们需要了解什么是多聚焦图像。

多聚焦图像是指在同一场景下，通过不同的焦距或焦平面位置所拍摄得到的图像。

这些图像在某些区域具有较高的清晰度，而在其他区域具有较低的清晰度。

我们的目标就是将这些图像融合成一幅全局清晰度较高的图像。

传统的多聚焦图像融合算法主要有基于像素的方法和基于频域的方法。

基于像素的方法将多幅图像的像素进行加权平均得到最终图像，而基于频域的方法则是将多幅图像的频域信息进行加权平均。

虽然这些方法在一定程度上可以实现图像融合，但是由于无法准确提取不同焦距下的图像细节信息，其融合结果可能会产生模糊或边缘不清晰的问题。

基于NSST的SPCNN多聚焦图像融合算法能够有效地解决传统方法的问题。

NSST是一种非平稳信号的局部时频变换方法，它能够提取出图像的局部时频信息，从而得到更加准确的图像分析结果。

SPCNN是指分割模型与卷积神经网络相结合的一种图像处理方法，它能够有效地捕捉图像的纹理和细节特征。

基于NSST的SPCNN多聚焦图像融合算法将这两种方法相结合，能够充分利用图像的时频信息和纹理特征，得到更加清晰、细节丰富的融合结果。

具体来说，基于NSST的SPCNN多聚焦图像融合算法主要分为以下几个步骤：首先，对多幅聚焦图像进行NSST变换，得到图像的局部时频信息。

然后，利用SPCNN模型对每个时频区域进行图像分割，得到每个区域的纹理特征。

接下来，将分割和纹理特征信息输入到卷积神经网络中，进行特征提取和融合。